数据分析vs数据科学vs数据挖掘vs数据分析

Question

我遇到了这些术语的多种定义，无法获得确切的实际含义。

对于有经验的人来说，数据分析、数据科学、数据挖掘、数据分析到底是关于什么的？我知道它们都与数据有关，但有人能详细解释一下吗？

Answer 1

数据分析：数据分析专注于通过构建捕获和组织数据的方法来处理和执行现有数据集的统计分析，以揭示持续问题的可操作洞察，并找到呈现此数据的最佳方式。

• 范围: Micro
• 目标:查找可操作的数据
• 主要领域:游戏、旅行、医疗保健、具有即时数据需求的行业。
• 工具: R、Tableau Public、Python、SAS、Apache Spark、Excel.

数据科学：数据科学是一个多学科领域，专注于从大量的原始和结构化数据中寻找可操作的见解。数据科学专家使用几种不同的技术来获得答案，将计算机科学、预测分析和机器学习结合在一起，解析大型数据集，努力为尚未考虑的问题创造解决方案。

questions

• Major学习范围:宏观学习目标:询问正确的analytics.

• Tools:领域:机器学习、AI、搜索引擎、企业
• 、Matplotlib、

-

• 、NLTK、TensorFlow、SAS、Apache Spark、Matlab、Excel、D3.js、BigML、ggplot2、Weka

数据挖掘：它指的是从大量数据或数据仓库中提取有用的信息。数据挖掘的结果是我们在提取过程结束时获得的模式和知识。数据挖掘也称为知识发现或知识提取。数据挖掘是从不同的角度、角度或维度分析数据并将其分类为有意义的信息的计算过程。

• Scope：
• 目标:建立预测模型。
• 主要领域: AI、企业DataMelt R、快速矿工、橙色、Knime、DataMelt、
  • 、ELKI、MOA、龙骨、Rattle。

数据分析：数据分析是业务中使用的一种专门的数据分析形式，用于分析数据并获得一些见解。数据分析遵循的顺序是数据收集、数据清理、数据分析和准确截取数据，以便您了解数据想要表达的内容。

• 范围：
• 目标:寻找可操作的数据
• 主要领域:医疗保健、游戏、旅行、企业Firms.
• Tools:知识、快速矿工、 Fusion Tables、Tableau
  • 、NODEXL、WOLFRAM
  • 。

Answer 2

不同的人。

使用不同的流行语。

都以这样或那样的方式处理数据。

有些版本(分析)在非学术商业领域很受欢迎。数据科学现在也是完全超负荷的商业废话。

最后，重要的是你做了什么，而不是你怎么叫它。

Answer 3

虽然，我同意Anony的说法，但试着用学术的方式来定义：

数据科学：

一组指导数据知识提取的基本原则。

数据分析：

指的是旨在解释过去行为的活动。

数据分析：

探索潜在未来事件的数据。

数据挖掘：

检查大型预先存在的数据库以生成新信息的做法。